BroadRouter

Preço de modelos open-weight: 6 provedores de inferência comparados

Pela equipe da BroadNet Inference · 7 min de leitura · Publicado em · Atualizado em

A maioria dos provedores cobra modelos abertos por milhão de tokens, com entrada em cache mais barata e, muitas vezes, 50% de desconto em jobs batch. Together AI, Fireworks e DeepInfra também alugam GPUs por hora. O OpenRouter repassa os preços dos provedores e cobra uma taxa na compra de créditos. O Groq cobre poucos modelos. A BroadNet adiciona planos fixos mensais, semanais e por hora para o DeepSeek V4.1 Flash.

“Preço por milhão de tokens” parece comparável entre provedores. Não é bem assim. Os provedores diferem nos modelos que hospedam, no custo da entrada em cache, em dar ou não desconto para jobs batch, em alugar ou não GPUs e nas taxas que vêm por cima. Este post compara seis provedores de modelos open-weight na forma de cobrar e depois coloca lado a lado os preços publicados por eles para os mesmos modelos. Todos os números dos concorrentes vêm das páginas oficiais de cada provedor, conferidas em 2026-11-14; os links estão nas fontes. Os preços mudam com frequência, então confira de novo antes de fechar qualquer coisa.

Quais são as cinco formas de cobrar por modelos abertos?

  1. Por token, serverless. Preços separados por 1M de tokens de entrada e de saída. Todos desta lista oferecem.
  2. Entrada em cache. Um preço menor para prefixos de prompt repetidos. Os descontos vão de metade do preço a poucos por cento do preço de entrada. Tokens em cache explicados.
  3. Batch. Preços menores para jobs que podem esperar horas.
  4. GPUs dedicadas. Você aluga hardware por hora e roda o modelo por conta própria ou pela stack do provedor. Veja hospedar por conta própria ou usar API: o ponto de equilíbrio, ou faça a conta com seus números na calculadora de hospedagem própria vs API.
  5. Planos de preço fixo. Um valor fixo por um período, sem medidor de tokens. Veja plano de LLM com preço fixo.

Como cada provedor cobra pelos modelos abertos?

Provedor Tipo de serviço Por token Entrada em cache Batch GPUs dedicadas Plano fixo
OpenRouter Roteador entre muitos provedores Preço do provedor, “no markup” Depende do provedor Depende do provedor Não Não
Together AI Serverless próprio + dedicado Sim Listado para alguns modelos 50% de desconto em modelos selecionados (só Whisper Large v3, quando conferimos) H100 a partir de USD 5,49 por hora de GPU Não
Fireworks AI Serverless próprio + sob demanda Sim, a partir de USD 0,05 por 1M de entrada 50% de desconto por padrão, mais em alguns modelos 50% de desconto H100 a USD 8,00 por hora Não
Groq Hardware próprio Sim, poucos modelos 50% de desconto, nos modelos GPT-OSS 50% de desconto Não listado Não
DeepInfra Serverless próprio + dedicado Sim, alguns modelos cobrados por tempo de execução Listado para muitos modelos Não listado na página de preços H100 a USD 2,90 por hora de GPU Não
BroadNet Inference Lista curta de modelos; modelos hospedados por parceiros de inferência nos EUA Sim Listado para três de quatro modelos de chat Não oferecido Não Sim, DeepSeek V4.1 Flash

Notas tiradas das páginas:

  • OpenRouter diz que “there is no markup on inference pricing” (tradução: não há margem sobre o preço de inferência). Ele cobra uma taxa quando você compra créditos: 5,5% no plano Standard (mínimo de USD 0,80, segundo o FAQ) e 8% no Business, ou 5% em cripto. As variantes gratuitas dos modelos são limitadas a 20 requisições por minuto e 50 por dia, ou 1.000 por dia depois de comprar pelo menos USD 10 em créditos. É um roteador, então um mesmo modelo pode ter muitos preços. Veja OpenRouter vs um provedor de preço fixo.
  • Together AI lista a H100 dedicada a USD 5,49 por hora de GPU sob demanda. A documentação de batch diz que modelos serverless selecionados rodam com 50% de desconto e janela de conclusão fixa de 24 horas, mas, quando conferimos, a tabela de modelos com desconto listava só openai/whisper-large-v3. Os outros modelos rodam com preço padrão.
  • Fireworks tem os modos Standard, Priority, Fast, Batch (50% de desconto) e Spot (30% de desconto em alguns modelos). A entrada em cache é cobrada pela metade do preço ou menos, sem taxa de escrita.
  • Groq lista preços por token para um pequeno conjunto de modelos de produção, como openai/gpt-oss-120b a USD 0,15 de entrada e USD 0,60 de saída por 1M, e o speech-to-text Whisper por hora. A entrada em cache custa metade nos modelos GPT-OSS, e jobs batch rodam com 50% de desconto em uma janela de 24 horas a 7 dias.
  • DeepInfra mostra muitos modelos com um preço com desconto ao lado do preço de tabela, por exemplo 51% de desconto no DeepSeek-V4.1-Flash-1017 e 38% no GLM-5.3. A página não diz quando esses descontos terminam. Também oferece os níveis Standard, Priority (1,5×) e Flex (0,8×).

Quanto custa o mesmo modelo em cada provedor?

Preços publicados por 1M de tokens, para modelos que a BroadNet também serve. ”—” significa que o modelo não estava na página de preços daquele provedor.

DeepSeek V4.1 Flash (entrada / em cache / saída):

Provedor Entrada Em cache Saída
Together AI USD 0,30 USD 0,006 USD 1,20
Fireworks AI USD 0,30 USD 0,006 USD 1,20
DeepInfra, tabela USD 0,20 USD 0,006 USD 0,60
DeepInfra, com desconto (30%) USD 0,14 USD 0,0042 USD 0,42
DeepInfra, DeepSeek-V4.1-Flash-1017, com desconto (51%) USD 0,098 USD 0,0029 USD 0,294
Groq — — —
BroadNet Inference $0.175 $0.0055 $0.52

A variante datada -1017 da DeepInfra é a mesma versão que a API da própria DeepSeek serve como deepseek-flash; confira qual delas o seu código chama. No OpenRouter, quando conferimos, o modelo tinha 37 endpoints de 28 provedores, de cerca de USD 0,05 (Baidu) a USD 3 (o nível mais rápido da Venice) por 1M de tokens de entrada. Nossa tabela de preços do DeepSeek V4.1 Flash lista todos os provedores que publicam preço próprio para o modelo, com a página de origem e a data da conferência em cada linha. O tamanho da diferença de preço para o mesmo modelo no mercado inteiro está medido no nosso índice de preços de API de LLM. Para comparar esses preços de modelos abertos com GPT, Claude e Gemini na mesma carga de trabalho, veja custo de API: modelos abertos vs fechados.

GLM 5.3 (o preço de cada provedor: tabela de preços do GLM 5.3):

Provedor Entrada Em cache Saída
Together AI USD 1,40 USD 0,26 USD 4,40
Fireworks AI USD 1,40 USD 0,26 USD 4,40
DeepInfra, tabela USD 0,90 USD 0,20 USD 4,00
DeepInfra, com desconto (38%) USD 0,5625 USD 0,125 USD 2,50
BroadNet Inference $0.78 $0.173 $3.46

Qwen3.8 27B (o preço de cada provedor: tabela de preços do Qwen3.8 27B):

Provedor Entrada Em cache Saída
DeepInfra, tabela USD 0,20 USD 0,05 USD 2,50
DeepInfra, com desconto (25%) USD 0,15 USD 0,0375 USD 1,875
Groq (preview, só para avaliação) USD 0,80 — USD 4,00
BroadNet Inference $0.175 $0.0435 $2.17

Gemma 4 26B A4B (a build da BroadNet é o Gemma 4 VL 26B):

Provedor Entrada Saída
DeepInfra USD 0,07 USD 0,34
BroadNet Inference $0.10 $0.22

A BroadNet não é a mais barata por token aqui. Os preços com desconto da DeepInfra ficam abaixo dos da BroadNet em todas as linhas do DeepSeek V4.1 Flash, do GLM 5.3 e do Qwen3.8 27B, e abaixo na entrada do Gemma (a saída do Gemma na BroadNet é menor). A API da própria DeepSeek corta todos os preços pela metade fora do pico, o que deixa a entrada dela abaixo da BroadNet nesses horários (detalhes). Os preços de tabela da BroadNet ficam abaixo dos da Together e da Fireworks no DeepSeek V4.1 Flash e no GLM 5.3. O preço por token é só um dos fatores; confira também o tamanho do contexto, a retenção de dados e os rate limits, que estas tabelas não mostram.

Considerando todos os 119 modelos vendidos por vários hosts, não só estes quatro, o preço de tabela mais caro é, na mediana, 1,76 vez o mais barato; veja mesmo modelo, host diferente. Os preços dos hosts também mudam com mais frequência que os dos criadores dos modelos: com que frequência os preços de API de LLM mudam.

E a transcrição de fala para texto?

O Groq lista whisper-large-v3-turbo a USD 0,04 por hora de áudio e whisper-large-v3 a USD 0,111 por hora. A DeepInfra lista o Voxtral Mini a USD 0,001 por minuto. O modelo multilíngue da BroadNet custa $0.002 por minuto ($0.12 por hora), e o modelo de árabe, $0.0042 por minuto. Para mais provedores, veja preços de API speech-to-text comparados. Para árabe, a precisão nos seus dialetos importa mais que o preço: como escolher uma API de fala para texto em árabe.

Como comparar provedores para a sua carga de trabalho?

  1. Fixe o modelo e a versão. “DeepSeek V4.1 Flash” e uma variante datada podem ter preços diferentes.
  2. Meça o seu mix de tokens: entrada, parcela em cache e saída, incluindo raciocínio. Veja estimar o custo antes do lançamento.
  3. Calcule com os três preços de cada provedor, não só com o de entrada. Para agentes, o preço em cache muitas vezes decide. A calculadora de custo de API de LLM e a calculadora de prompt caching fazem a conta.
  4. Aplique descontos de batch só ao trabalho que pode esperar.
  5. Some as taxas: taxas na compra de créditos e multiplicadores de nível.
  6. Confira os limites: rate limits, simultaneidade e tamanho do contexto podem descartar um provedor a qualquer preço.
  7. Compare com um plano de preço fixo se um agente roda a maior parte do dia. Veja a conta do ponto de equilíbrio ou a calculadora de preço fixo vs por token.

Onde a BroadNet Inference se encaixa

A BroadNet serve uma lista curta de modelos, alguns hospedados por parceiros de inferência nos EUA, com preços por token publicados em um arquivo de preços. Os preços por token dela ficam no meio da tabela, não são os mais baixos: se só o preço por token importa, as ofertas com desconto da DeepInfra custam menos. O que os outros daqui não vendem é DeepSeek V4.1 Flash ilimitado por $60 por mês por sessão, além das opções semanal de $15 e por hora de $1. Não é um marketplace, não tem desconto de batch nem GPUs dedicadas. As outras vantagens são a retenção zero de dados em toda requisição, a transcrição de fala para texto em árabe e uma única chave compatível com a OpenAI para chat e áudio. Se você precisa de dezenas de famílias de modelos ou do menor preço promocional para uma carga em picos, um roteador ou um host maior vai atender melhor.

Perguntas frequentes

Qual provedor de inferência é o mais barato para modelos abertos?

Nenhum provedor sozinho, e por token não é a BroadNet. Quando conferimos, em 2026-11-14, os preços com desconto da DeepInfra estavam abaixo dos da BroadNet no DeepSeek V4.1 Flash, no GLM 5.3 e no Qwen3.8 27B, e o OpenRouter listava endpoints do DeepSeek V4.1 Flash de cerca de USD 0,05 a USD 3 por 1M de tokens de entrada. Compare o modelo exato, o preço em cache e o desconto de batch.

O OpenRouter cobra margem sobre o preço dos modelos?

O OpenRouter diz que não há margem no preço de inferência. Ele cobra uma taxa quando você compra créditos: 5,5% no plano Standard (mínimo de USD 0,80, segundo o FAQ dele), 8% no Business e 5% em pagamentos com cripto.

Vale a pena usar preço de batch?

Para trabalho que pode esperar. A Fireworks lista batch com 50% de desconto, e o Groq documenta 50% de desconto em batch com janela de 24 horas a 7 dias. A documentação de batch da Together lista 50% de desconto só para alguns modelos (quando conferimos, a tabela citava apenas `openai/whisper-large-v3`), com janela de conclusão fixa de 24 horas.

Quando alugar uma GPU dedicada em vez de pagar por token?

Quando o seu tráfego mantém a GPU ocupada na maior parte do dia. A GPU por hora é cobrada chegando requisições ou não, então tráfego baixo ou em picos sai mais barato por token.

Algum provedor oferece preço mensal fixo para um modelo aberto?

Sim, a BroadNet Inference, para o DeepSeek V4.1 Flash. O Full Moon custa $60 por mês por sessão, sem medidor de tokens, uma requisição por vez.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity